压电驱动器迟滞非线性的分数阶建模及实验验证

存在于压电陶瓷全工作范围内的迟滞非线性特性,往往会导致压电陶瓷执行器的系统精度下降、振荡,甚至造成系统的不稳定。针对周期性的正弦输入信号,提出一种基于分数阶算子的迟滞建模方法。首先,在分析压电特性和分数阶算子特性的基础上,采用结构简单参数少的分数阶算子来描述压电陶瓷的迟滞特性;然后,搭建了基于dSpace的压电驱动微位移定位实验平台;最后,将基于分数阶算子的迟滞建模方法应用于压电驱动微位移定位平台中,对压电陶瓷的迟滞非线性特性进行辨识。实验结果表明采用基于分数阶的迟滞模型(FOM)比传统的Prandtl-Ishlinskii模型(PIM)及其改进的增强型Prandtl-Ishlinskii模型(EPIM)更有优势;在低频段,FOM模型比PIM模型和EPIM模型精度略有提高,但是在高频段,FOM模型比PIM模型和EPIM模型精度则提高显著。在输入频率为100HZ的情况下,所提出的FOM模型较PIM模型的均方根误差(RMSE)值精度提高69.84%,较EPIM模型的RMSE值精度提高68.88%。     

不确定离散线性系统的鲁棒单调反馈–前馈迭代学习控制

针对一类不确定离散线性系统,提出一种沿迭代方向鲁棒单调收敛和沿时间方向有界输入有界输出(bouned-input bounded-output,BIBO)稳定的反馈–前馈迭代学习控制策略.首先,将不确定反馈–前馈迭代学习系统表示为不确定二维Roesser模型系统;然后,把二维系统沿迭代方向的鲁棒单调收敛问题转化成一维系统的H∞干扰抑制控制问题,并给出系统的稳定性证明和用线性矩阵不等式(linear matrix inequality,LMI)表示的沿迭代方向鲁棒单调收敛的充分条件,该LMI充分条件不仅可以用于确定反馈–前馈控制器的增益矩阵,而且还可以保证系统沿时间轴方向是BIBO稳定的;最后,仿真结果证明了该反馈–前馈迭代学习控制策略的有效性.     

数据保真项与稀疏约束项相融合的稀疏重建

本文针对低光子计数成像过程中产生的泊松高斯混合噪声,提出了一种数据保真项与稀疏约束项相融合的稀疏重建方法。首先,基于泊松高斯噪声相互独立的混合噪声模型,建立了数据保真项与稀疏约束项相融合的稀疏重建目标函数;在图像块聚类的基础上,应用改进贪婪算法实现类内稀疏分解和字典更新;最后,稀疏分解和字典更新交替迭代求解干净图像。针对强烈泊松高斯噪声污染图像的重建实验显示,本文方法与对比方法相比,重建结果的PSNR值平均提升了5.5%,MSSIM值也有明显提升。这些结果表明:本文方法对具有强烈泊松高斯混合噪声的图像有较好的图像复原和噪声去除效果。     

基于分布式FBG的智能家居环境测控系统研究

基于分布式光纤布拉格光栅(FBG)的分布式测量以及FBG的测量精度高、体积小、不易腐蚀等优点,将其应用于智能家居环境监测进行研究.系统中采用可调谐F-P(Fabry-Perot)滤波法解调原理,利用可编程逻辑器件FPGA设计了一种结构简单、解调速度快、可实时测量的光纤光栅解调系统,实现了对家居环境的实时测量,并进行安全报警、温度自动调节等操作.仿真实验表明,系统测量精度和灵敏度高,运行稳定可靠,具有一定的实用价值和应用前景.